Korelasi mampu menunjukkan hubungan adalah suatu variabel tapi belum mencukupi jika diperlukan untuk dipakai pada hubungan dua variabel yang berkaitan secara kausal. Solusinya adalah menggunakan regresi. Namun regresi biasa hanya memprediksi kriteria secara langsung tidak bisa memprediksi secara tidak langsung. Nah, solusinya adalah menggunakan regresi yang melibatkan variabel mediator. Tulisan ini membahas secara singkat mengenai dasar analisis regresi dengan melibatkan variabel mediator. Hipotesis mediasi menempatkan bagaimana sebuah variabel independen (X) mempengaruhi variabel dependen (Y) melalui satu atau lebih variabel intervening yang dinamakan dengan variabel mediator (M). Desain analisis mediasi yang melibatkan hanya satu variabel mediator dinamakan dengan mediasi sederhana (simple mediation).

Konsep Secara Visual

Regresi adalah upaya untuk mengetahui apakah variabel independen (prediktor) mampu menjelaskan variasi di dalam variabel dependen (kriteria). Dalam berbagai literatur, kata menjelaskan variasi tersebut bisa diganti dengan memprediksi, mempengaruhi atau berperan terhadap peningkatan atau penurunan. Namun intinya sama, menjelaskan seberapa besar sebuah prediktor mampu menjelaskan variasi skor di dalam kriteria.

Misalnya, skor kematangan sampel yang bervariasi. Apa yang menyebabkannya bervariasi ? Pasti ada variabel lain yang bisa memprediksinya. Dengan melakukan regresi kita akan mengetahui apa yang bisa memprediksi variasi skor tersebut sekaligus berapa besar kemampuannya dalam menjelaskan variasi.

.

Model Regresi Tanpa Mediator

Sekarang lihat pada Gambar 1. Lingkaran menunjukkan variasi skor, bisa dimaknai dalam persen. Lingkaran bulat (maksudnya tidak gripil, alias kropos) menunjukkan ada 100% hal-hal mampu memprediksinya. Nah terlihat bahwa ada variasi di dalam kriteria yang bisa dijelaskan oleh prediktor 1 dan prediktor 2. Terlihat dari gambar yang menunjukkan adanya irisan antara Y dengan X1 dan Y dengan X2. Artinya X1 dan X2 mampu memprediksi Y. Ini adalah model regresi biasa.

Gambar 1. Model Regresi tanpa Mediator

Tanda panah yang menghubungkan antara X1 dan X2 adalah korelasi antara X1 dan X2. Dalam regresi korelasi ini diharapkan nilainya kecil sehingga masing-masing variabel memiliki keunikan. Kalau korelasinya sangat besar, ngapain kita pakai dua-duanya untuk memprediksi, karena satu variabel sudah mewakili variabel lainnya. Selain itu, adanya korelasi yang besar antar prediktor menunjukkan adanya MULTIKOLINIERITAS yang dapat mengganggu komputasi estimasi terhadap prediktor.

.

Model Regresi Dengan Mediator (#1)

Sekarang kita beralih ke gambar 2. Terlihat bahwa selain ada variabel independen (X) juga ada variabel mediator (M). Variabel independen memprediksi M dan M memprediksi Y. Sebagian variasi M bisa dijelaskan oleh X dan variasi di dalam Y bisa dijelaskan oleh variabel M. Model ini namanya model regresi dengan mediator. Beberapa ahli menamakannya dengan mediasi lengkap (complete mediation), artinya prediktor (X) tidak menjelaskan variasi di dalam kriteria (Y), hanya mediator (M) saja yang menjelaskan variasi di dalam kriteria. Syarat utama sebuah variabel sebagai mediator ditunjukkan dengan wilayah variasi mediator mampu menjangkau prediktor sekaligus kriteria.

Gambar 2. Model Regresi dengan  Mediator #1

Dalam ilmu sosial seperti psikologi, kondisi ini jarang dapat dicapai karena manusia adalah sesuatu yang kompleks dan integral sehingga semua atribut di dalam diri manusia selalu berkorelasi, meskipun korelasinya kecil. Lalu model ini dimodifikasi dengan model yang baru, model regresi dengan mediator yang tidak lengkap.

.

Model Regresi Dengan Mediator (#1)

Gambar 3 menunjukkan bahwa variasi di dalam kriteria (warna hijau) dapat dijelaskan oleh variabel independen dan mediator. Kondisi seperti ini sering terjadi dalam analisis mediator dimana variabel independen juga memprediksi variabel dependen, namun diharapkan prosinya lebih kecil dibanding dengan mediator. Lha, kalau nilainya lebih besar ketimbang mediator, lantas ngapain kita pakai variabel mediator segala. Mungkin seperti itu logikanya.

Gambar 3. Model Regresi dengan Mediator #2

.

Memahami Model

Gambar 4 menunjukkan model mediasi sederhana dengan satu variabel mediator. Terlihat bahwa efek variabel X dapat dibagi dua yaitu pengaruh tidak langsung terhadap Y melalui M (jalur ab) dan efek langsung terhadap Y (jalur c’). Lha itu gambar yang di atas ada jalur-c tetapi yang dibawah ada jalur-c’, huruf c tapi ada aksennya, terus apa bedanya?

Gambar 4. Model Regresi dengan Mediator dengan Notasi

Jalur-c (tanpa aksen) di atas adalah nilai prediksi X terhadap Y secara langsung tanpa mengendalikan prediksi M terhadap Y, sedangkan jalur-c yang ada di bawah didapatkan dari nilai prediksi X terhadap Y dengan mengendalikan prediksi M terhadap Y.

Kalau kita meregres secara langsung, misalnya di SPSS hanya memasukkan X sebagai prediktor dan Y sebagai kriteria/dependennya maka kita akan mendapatkan nilai jalur-c. Nah, sekarang kalau kita di SPSS memasukkan X dan M sebagai prediktor secara bersamaan maka kita juga akan mendapatkan nilai prediksi X terhadap Y, tapi nilainya bisa jadi berbeda dengan sebelumnya. Yaitu ketika dianalisis tanpa melibatkan M. Inilah yang dinamakan dengan jalur-c’.

.

Jenis Efek/Prediksi

Dalam regresi yang melibatkan variabel mediator, ada tiga jenis efek yang masing-masing menunjukkan peranan/prediksi variabel terhadap variabel lainnya. Berikut ini pembagiannya :

Efek Langsung

–  Efek langsung X terhadap Y dapat diketahui melalui jalur-c.

Efek Tidak Langsung

–  Efek tidak langsung X terhadap Y dapat diketahui melalui perkalian antara jalur-a dan jalur-b (jalurab).

Efek Total

–  Efek total X terhadap Y dapat diketahui melalui penjumlahan jalur-c’ dan  jalur-ab .

.

Karakteristik Variabel

Biasanya variabel M dan Y adalah variabel yang bersifat kontinu. Jika M atau Y bersifat diskrit atau dikotomi maka analisis yang dilakukan adalah regresi probit atau logistik.

.

Prosedur Analisis (versi Baron dan Kenny, 1986)

Baron dan Kenny (1986) menjelaskan prosedur analisis variabel mediator secara sederhana melalui regresi. Kita melakukan analisis regresi sebanyak empat kali. Udah tahu kan cara menganalisis regresi melalui SPSS?  Berikut ini regresi yang kita lakukan. X adalah variabel independen, Y adalah variabel dependen dan M adalah variabel mediator.

1. X memprediksi Y.

Analisis regresi ini akan menghasilkan nilai estimasi prediktor (di SPSS simbolnya B). Kita namakan nilai ini dengan nama jalurc. Jalur ini nilainya diharapkan nilainya signifikan (p<0.05).

2. X memprediksi M.

Analisis regresi ini akan menghasilkan nilai estimasi prediktor (di SPSS simbolnya juga B). Kita namakan nilai ini dengan nama jalura. Jalur ini nilainya juga diharapkan nilainya signifikan.

3. M memprediksi Y (mengestimasi DV dengan mengendalikan IV).

Sekarang kita menganalisis efek M dan X terhadap Y. Masukkan X dan M sebagai prediktor terhadap Y.

Analisis regresi ini akan menghasilkan dua nilai estimasi prediktor dari M dan X. Prediksi M terhadap Y kita namakan jalur-b sedangkan prediksi X terhadap Y kita namakan jalurc’ . Jalur-b nilainya diharapkan signifikan, sedangkan jalur-c’ nilainya diharapkan tidak signifikan.

Saya kok agak bingung ketika membaca apa yang saya tulis di atas, jadi saya rangkum lagi. Jadi, empat tahap prosedur analisinya begini :

1.  Mengestimasi jalur-c : Meregres Y dengan X sebagai prediktor

2.  Mengestimasi Jalur-a : Meregres M dengan X sebagai prediktor

3.  Mengestimasi Jalur-b : Meregres Y dengan M sebagai prediktor

4.  Mengestimasi Jalurc’ : Meregres Y dengan X dan M sebagai prediktor

Intinya menurut Baron dan Kenny (1986), sebuah variabel dapat dikatakan menjadi mediator jika hasilnya seperti ini :

1.  Jalur-c : signifikan

2.  Jalur-a : signifikan

3.  Jalur-b : signifikan

4.  Jalurc’ : tidak signifikan

Metode ini banyak dikritik karena hanya menganalisis model mediator yang komplit alias sempurna (Shrout & Bolger, 2002). Menurut para pengkritiknya, yang diperlukan hanyalah tahap 2 dan 3 saja. Tahap 1 dan tahap 4 hanyalah untuk  menguji apakah model mediatornya sempurna ataukah tidak.

Tulisan ini hanya membahas pengertian mendasar mengenai variabel mediator saja. Untuk mempelajari lebih lanjut anda dapat langsung belajar pada website para ahli yang memusatkan pada pengembangan metode ini. Kebanyakan ahli yang berkecimpung dalam hal ini sangat terbuka. Mereka memiliki website yang berisi program bantu analisis sekaligus paper yang mereka tulis.

Kenny website
Hayes website
Preacher website
MacKinnon website

.

Referensi

Baron, R. M., & Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Pe~nality and Social Psychology, 51(6), 1173-1182.

Shrout, P. E., & Bolger, N. (2002). Mediation in experimental and nonexperimental studies: New procedures and recommendations. Psychological Methods, 7.(4), Psychological Methods, 7(4), 422-445.

“Mediation”.  http://www.psychwiki.com/wiki/Mediation

Tagged with:
 

12 Responses to Berkenalan dengan Analisis Mediasi : Regresi dengan Melibatkan Variabel Mediator (Bagian Pertama)

  1. Izzanil Hidayati says:

    Pak Wahyu saya ingin bertanya, bagaimana hubungan mediasi parsial?
    yang saya tahu mediasi parsial tersebut terjadi ketika hubungan variabel X dan Y koefisien korelasi lebih kecil dari hubungan koefisien korelasi M dan Y, benarkah seperti itu?
    bagaimana jika nilai koefisien korelasi X dan Y lebih besar dari pada nilai koefisien korelasi M dan Y?
    terimakasih Pak ^^

  2. Reza says:

    pak wahyu saya dapat tugas dari dosen “jelaskan mengenai the mediation process 1986” udah keliling blm ketemu jawabannya…mohon bantuan nya pak
    Thanks

  3. nafa says:

    untuk regeresi dengan mediasi ini bagaimana bunyi hipotesis h0 dan h1 nya pak wahyu ? terima kasih

  4. kartika says:

    selamat siang Pak. maaf saya ingin bertanya. pada saat kapan kita menggunakan variabel moderasi dan pada saat kapan kita menggunakan variabel mediasi? terima kasih

    • Wahyu Widhiarso says:

      Kartika, variabel pemoderasi jika ingin melihat apakah kekuatan hubungan dua variabel dipengaruhi oleh variabel lain. Sementara variabel pemediasi untuk melihat apakah hubungan dua variabel diperantarai oleh variabel lain

  5. amien tri buntara says:

    Selamat malam pa. Saya mau bertanya, model statistik apa yg digunakan jika ada 2 variabel mediasi? Terimakasih

  6. Rama says:

    Assalammualaikum Pak Wahyu,
    Saya ingin bertanya, mengapa hasil uji multikolinieritas dengan melihat nilai tolerance dan VIF menunjukkan tidak terjadi multikolineritas (tolerance 0,635 dan VIF 1,575), namun korelasi menunjukkan korelasi yang kuat antar variabel independen (r=0,604). Dan ketika melihat peranan kedua VB thdp VT secara bersama-sama menjadi signifikan, namun ketika mencari peranan masing-masing VB thdp VT menjadi tidak signifikan? apakah ini ada kaitannya dengan besarnya korelasi antar VB (meskipun asumsi tolerance dan VIF tidak terpenuhi)?
    Dengan kondisi tersebut, apakah saya masih bisa melanjutkan analisis dengan multiple regression?
    Saya bingung.. mohon pencerahannya pak.

Leave a Reply

Your email address will not be published. Required fields are marked *

Please type the characters of this captcha image in the input box

Please type the characters of this captcha image in the input box

Set your Twitter account name in your settings to use the TwitterBar Section.